No description
| assets/tokenizer | ||
| epub-corrector-ui | ||
| epub-corrector-ui-app | ||
| rknn | ||
| .gitattributes | ||
| .gitignore | ||
| apply_approved_epub_changes.py | ||
| config.example.json | ||
| epub_npu_dry_run_grouped_v2.py | ||
| generate_review_html.py | ||
| guida_orange_pi_epub_npu.md | ||
| README.md | ||
| requirements-rknn.txt | ||
Fase 2: dataset per classificatore italiano
Genera coppie bilanciate [frase A, frase B], dove la label indica se B è la versione corretta.
python make_training_pairs.py ~/epub-corrector/input/a.epub --pairs 20000 --output pairs.jsonl
python check_dataset.py pairs.jsonl
python split_dataset.py pairs.jsonl --outdir data
Nota: usare un solo libro rischia overfitting stilistico. Questa è una prova di fattibilità; per il modello finale servono più fonti italiane pulite e un test manuale separato.